用于椎体压缩骨折诊断的双流对比网络
图像与视频处理
2020-10-26 v1 计算机视觉与模式识别
摘要
区分与创伤和骨质疏松相关的椎体压缩骨折(良性 VCFs)和由转移性癌症引起的椎体压缩骨折(恶性 VCFs)对治疗决策至关重要。迄今,自动 VCFs 诊断以两步方式解决,即先识别 VCFs 再分类为良性或恶性。本文探索将 VCFs 诊断建模为三分类问题,即正常椎体、良性 VCFs 和恶性 VCFs。然而,VCFs 识别与分类所需特征差异很大,且两项任务均具有高类内差异和高类间相似性。此外,数据集存在极度类别不平衡。为应对上述挑战,我们提出一种新颖的用于 VCFs 诊断的双流对比网络(Two-Stream Compare and Contrast Network, TSCCN)。该网络包含两流:一为识别流,通过比较和对比相邻椎体来学习识别 VCFs;一为分类流,通过比较和对比类内与类间来学习细粒度分类特征。两流通过可学习权重控制模块集成,该模块自适应设定其贡献。TSCCN 在包含 239 名 VCFs 患者的数据集上评估,分别取得 92.56% 的平均灵敏度和 96.29% 的平均特异度。
引用
@article{arxiv.2010.06224,
title = {Two-Stream Compare and Contrast Network for Vertebral Compression Fracture Diagnosis},
author = {Shixiang Feng and Beibei Liu and Ya Zhang and Xiaoyun Zhang and Yuehua Li},
journal= {arXiv preprint arXiv:2010.06224},
year = {2020}
}
备注
submitted to TMI